环空带压气井液位测试方法改进研究及应用*

张喜明，樊建春，代濠源，刘　迪，吕宁贻，梁政伟，文　敏

(1. 中国石油大学(北京) 机械与储运工程学院，北京 100249；2. 中海油研究总院，北京 100027)

0　引言

研究表明，油套管柱泄漏造成的气井环空带压(Sustained casing pressure, SCP)是天然气安全生产过程中的最大威胁[1-2]。油套管柱泄漏会造成其内部的高压天然气等流体泄漏到环空中，使环空井口压力升高，形成环空带压[3]。据美国联邦矿业总局(Mineral Management Services, MMS)统计，墨西哥湾外海大陆架地区，有超过8千口井的1万1千余个环空存在环空带压。全球范围内，因环空带压造成的油气泄漏事故多次见诸报端[4]。针对环空带压问题，API RP90建立了基于环空井口压力监测的环空带压管理推荐操作规程。然而，该规程仅指出压力超过最大允许井口操作压力值(Maximum Allowable Wellhead Operating Pressure, MAWOP)的环空带压井需要进一步测试诊断，却无法判断该井的风险等级。为此，Adams，Xu和朱红钧等[5]归纳了多种气井环空带压类型并建立了相关的井口压力计算模型，以预测、评价环空带压井的风险。在此过程中，环空液面深度数据作为必要的计算参数被引入到风险评价中。因此，实时监测环空保护液液面位置对环空带压气井的安全生产保障、发现生产异常变化十分重要[6]。

对比目前测试井筒液面位置的3种主要方法：浮筒法、井下压力计法和声波法，声波法由于其在井口测量，具有工艺简单、操作方便，成本较低的优点[7]；同时，非介入式测试的特点使其被广泛应用于生产井的液位监测[8]。然而，声波法在环空带压气井的液位测试过程中存在天然气流动造成的井下噪声环境等因素的影响，导致井口采集到的声波信号存在较大噪声，甚至存在采集不到有效声波信号的情况[9]。目前，利用常规的信号时频域处理法无法克服这一难题[10]。因此，开发适合环空带压气井复杂条件的环空液位测试方法很有必要。

本文通过对现场环空带压井声波液位信号进行时频域分析，根据声波液位信号具有固定周期的特点，提出了基于自相关分析的井下液位声波测试信号处理方法，并开展了现场高噪声井下环境的液位测试试验。通过对采集到的液位信号进行傅里叶、小波变换降噪和自相关对比分析，结果表明，对于傅里叶变换和小波变换降噪方法无法滤除的与液位信号频率相近的噪声，自相关处理方法能够有效消除。声波信号自相关分析，提高了液位测试的可靠性和探测能力。

1　基于自相关分析的声波液位测试模型

1.1　回波法测试气井液位原理

回波法测试井筒液位的原理如图1所示。利用连接在环空井口的发声器向环空内发出1个起爆声波，声波在环空内的气体介质中向井下传播。当下传声波遇到油管接箍等障碍时，一部分声波会被反射回井口并被声波传感器接收，其余声波则继续向井下传播。随着深度的增加，反射回井口的反射波信号越弱、频率越低。当下传声波遇到环空液面时，则声波全部发生反射。并且当其反射回井口时，声波传感器会收到1个比较强的声波信号以区分其他反射波。利用液面仪测试到的起爆波和液面回波之间时间差乘以声波在环空介质中的传播声速即可得到声波在环空中传播的距离，进而可计算出液面的深度[11]。

图1　声波法测试环空液位原理Fig.1　Schematic diagram of acoustic level detection

声波法测试井筒液位的关键是要能够有效识别起爆波和液面回波及准确获取二者之间的时间差。在实际气井环空内，由于受环空局部缩颈、井内天然气流动噪声等问题的影响，导致井口接收到的声波信号很难被解释识别。尤其是在液面位置较深或者狗腿度较大的井中回波信号声幅小、能量弱，识别更为困难。

1.2　声波信号的自相关分析

1.2.1液面回波自相关识别原理

声波法测试井筒液位通常利用井口产生的声波遇见井下液面反射回井口这一过程的时间差计算液面的深度。目前，常见的液位声波测试信号的识别是在传统的时域观察液面回波。图2是典型声波液位测试信号时域及频域图，时域图最大特征表现为信号具有发声时刻的起爆波和后期1个或多个与之相似的液面回波。从频谱图中可以看出井口测试的信号频率主要集中在20 Hz以内，即其能量集中在低频(次声波为主)，这是因为声波在传播过程中的高频部分被环空内介质吸收。在时域图中很容易获取井口探测的起爆波和液面回波的时间差，进而计算液面的深度[12]。

由于井口声波传感器探测到的液面回波是发声装置起爆后部分声波在环空中多次反射、往复传播后的声波，其与发声时探测到的起爆波具有相似的特征，在时域上表现为周期性出现的特点；而相关检测法是关于2个时域信号的相似性问题，能够识别确定信号的特征，如周期性分量幅度。因此，对声波传感器在井口测试到声波信号做自相关处理，可以在保持信号特征的同时，有效识别起爆波和液面回波两者之间的联系[13]。

图2　声波液位测试信号时域图和频域图Fig.2　Time domain and frequency domain of the liquid level acoustic signal

1.2.2声波信号的自相关函数

信号的自相关函数(autocorrelation function，ACF)反映了信号与其自身在不同时间点的相似程度[14]。信号x(t)的自相关函数可定义为：

(1)

式中：τ表示自相关函数的延时时间。

自相关检测原理如图3所示。设信号xi(t)是有用信号s(t)和噪声n(t)的混合，即

xi(t)=s(t)+n(t)

(2)

xi(t)与延时后的信号xi(t-τ)依次经过乘法器和积分器，再取平均，便得到了以为τ参数的自相关函数 ，如式(3)所示。

(3)

图3　自相关检测的原理Fig.3　Schematic of autocorrelation detection

环空液位测试过程中，传感器采集的声波信号需要转化为电压信号，然后再传输给上位机进行分析。此时的信号为数字信号，其自相关函数可用下式表示：

声波起爆器在井口发出的起爆波被井下液面反射回井口，之后又被井口油/套管挂等器件反射回井底，然后再次被液面反射回井口，不断往复循环、直至声波信号衰弱到不能够被测试到为止。这样，声波传感器在井口测试到信号在时域上表现为具有周期性出现液面回波的特征。其相关函数表现为周期性出现脉冲的特点。因此，可利用此周期特征作为声波在井下传播的时间，进而计算出液面位置。

图4是某直井声波法测试液位信号时域及自相关函数图。从图中可以看出，液面仪在采样时间期内共接收到3次液面回波，同时每个液面波的后部紧随着井下安全阀反射的回波。

图4　声波法测试环空液位信号时域和自相关函数Fig.4　Time domain and ACF chart of test acoustic signal

2　基于自相关分析的声波液位检测室内实验

2.1　试验系统描述

为了验证基于自相关分析的声波液位测试模型的准确性，建立了地面模拟液面检测试验系统，分别对声波信号进行常规平滑降噪和自相关分析计算，然后对比分析二者计算液面位置的准确程度。

如图5所示，是地面模拟液面检测试验系统。其中，套管和油管的规格分别是φ139.7 mm×6.2 mm和φ73 mm×5.51 mm，两者组成的环空长度为53.14 m。

图5　环空液位室内检测实验系统Fig.5　Annulus liquid level detection experiment system

2.2　实验方案

为了验证不同发声条件下自相关分析在计算声波液位深度的准确定，进行了不同发声压力的环空液位测试实验。通过氮气瓶口的减压阀调节声波枪储气室内的压力分别为0.2,0.3,0.4,0.5,0.6和 0.7 MPa。然后开启电磁阀依次测试环空液面的深度位置。对采集的声波液位信号进行平滑降噪和自相关分析，读取声波传播时间，计算不同发声条件下测试的环空液位，对比分析2种算法的准确性。

2.3　实验结果及分析

图6是不同发声条件下经过降噪后的声波液位信号时域图。从图中可以看出随着起爆压力的增加，声波的幅值也在增大。在实际测试过程中可适当增加起爆压力以增强信号强度。而接收到的液面回波的位置不变，即声波在环空中传播的时间相同。

图6　不同发声压力条件下声波液位测试信号时域Fig.6　Time domain of test signals generated under different pressure

图7　不同发声压力条件下声波液位测试信号自相关函数Fig.7　ACF of test signals generated under different pressure

图7是声波测试信号的自相关函数曲线图。从图中可以看出，随着起爆压力的增加，声波信号的自相关函数的幅值也逐渐增加；而声波在环空中的传播时间相同，这2点特征与声波测试信号时域相一致。说明自相关函数能够有效提取出声波液面信号在井下的传播时间。对比二者波形可以看出声波信号的自相关函数只在液面反射波位置处幅值有脉冲升高，干扰较少。这是因为其他位置的信号干扰已经被滤除。相比较处理前的时域信号，自相关函数在提取液面反射波的位置方面更具有优势，只需要沿时间方向查询第1个幅值最大位置处即可，更适合于机器识别。

进一步地，让声波在环空中传播速度与其传播时间沿着井深方向做积分，即可求出环空液面的深度。通过时域波形中读取时间所计算的深度和自相关分析后得出时间所计算的深度如图8所示。

图8　时域降噪和自相关分析Fig.8　Acoustic travel time in simulation annulus

从图8中可以得出，通过对声波液位测试信号进行自相关分析提取的传播时间所计算的环空液位深度相对于时域波形直接提取传播时间所计算的结果更集中、接近于真实深度，通过计算误差相对减小了1倍。这是因为通过自相关分析提取声波传播时间是对声波测试信号进行整体分析，以计算出相关性。而在声波时域信号读取传播时间时，由于读取数据的随机性造成的误差比较大。

3　现场环空带压井液位测试试验

将环空液位测试系统应用于现场对实际天然气井液位进行测试，以检验其在现场环境中工作能力。该井完井后环空压力为0，投产5 a后“A”环空压力升高至9 MPa，存在生产安全隐患。根据API RP90管理规范，对环空进行定期泄压/压力恢复测试，对环空中气体进行取样，发现含有天然气组分。因此，判断该井井筒安全屏障退化，井下存在气体泄漏通道。为了评估该井的风险等级，对其开展环空带压诊断，需要测试其环空液位变化情况。图9是现场天然气井井身结构图。该井所处水深64 m，生产管柱封隔器位于3 244.6 m处，因此“A”环空液位应该处于0～3 244.6 m之间。

图9　试验井身结构Fig.9　Structure chart of the test well

环空液位测试系统与井口通过环空闸阀外部法兰上的1/2NPT螺纹接口相连接,如图10所示。由于环空带压井的环空压力较高，为了避免危险，连接后需要对连接处进行试压试验。测试合格后开启环空闸板阀，进行液位测试，采样频率150 Hz。由于测试系统与井口连接尺寸较小，同时井下存在气体流动噪声，因此测试的声波信号存在较大噪声。为了有效提取液面反射的声波信号，对测试的声波信号分别进行傅里叶降噪、小波降噪和自相关处理。

图10　声波液位测试系统井口Fig.10　Site installation drawing of liquid level detection system with wellhead

如图11所示，分别是声波液位测试信号、对测试信号进行傅里叶降噪后的信号、对测试信号进行小波降噪后的信号和测试信号的自相关函数。从液面声波液位测试原始信号图中可以看出该井液面测试信号夹杂大量噪声，测试到的信号整体幅值有非常大的波动，其液面回波很难被自动识别。

图11　声波液位测试信号及其FFT降噪、 小波降噪和自相关函数Fig.11　Diagram of test acoustic signal and de-noised signal by FFT; de-noised signal by wavelet; autocorrelation function of the acoustic trace signal

对液面测试信号进行FFT降噪、小波降噪，虽然滤除了部分测试信号中的噪声，但是降噪后的信号中仍然存在较大噪声干扰，液面反射信号难以定位。而自相关分析可以有效去除与液位声波不相关的噪声信号，在测试信号自相关函数图中可以清晰地看到液面回波的位置——液面测试信号自相关函数的第1个最大值的位置。由于在液面反射声波的幅值相较其他井下工具反射声波的幅值大很多，在识别液面反射波的时候采用识别反射波峰的最大值所在位置作为液面所在位置的判据。因此，可利用峰值指标(Crest Factor)评价3种处理方法对液面反射波的识别能力。波形的峰值指标定义如下：

峰值指标代表了液面反射波峰值Xmax与信号均方根Xrms的比值。当信号含有的噪声越强，则信号的均方差越大，峰值指标则越小。声波液位原始信号、FFT降噪、小波降噪和自相关函数的峰值指标分别是：2.79,3.0,3.14和5.86。由此可见在声波测试信号自相关函数波形中，液面反射波的峰值相对于信号整体更突出，能够更好地识别液位反射信号。经过计算该井液位1 587.1 m。

4　结论

1)声波法测试井下液位因声波在环空内反复反射使井口检测信号具有周期性出现液面回波的特征，适合做自相关处理以滤掉噪声，其自相关函数表现为周期性出现脉冲的特点。

2)建立了室内模拟声波液面测试实验系统，对不同起爆压力下液面进行了测试，对采集的声波液位信号分别进行平滑降噪和自相关分析并读取了声波传播时间，在此基础之上计算了不同发声条件下测试的环空液位。通过与真实深度进行对比分析发现：对声波液位测试信号进行自相关分析，因其从信号的整体出发而查找相邻2个液位反射信号相关性，相比较直接从时域波形读取2次反射波之间时间差，能够降低读取时差时的随机误差，进而降低了测试误差。

3)通过对含噪声的现场测试声波信号分别进行傅里叶降噪、小波降噪和自相关分析，分别计算处理后信号的峰值指标为：2.79，3.0，3.14和5.86。由此可见，声波信号自相关函数波形中液面反射波更突出，提高了机器对其的识别能力，便于自动识别。该方法提高了声波液位测试系统的自动化和适应能力。

[1]Bourgoyne A T, Scott S L, Regg J B. Sustained Casing Pressure in Offshore Producing Wells[A]. The 1999 Offshore Technology Conference[C]. Houston, USA, May 3-6, 1999.

[2]刘红芳, 刘成敏, 王海宁. 我国天然气风险及评价方法分析[J]. 中国安全生产科学技术, 2014, 10(2):86-92.

LIU Hongfang, LIU Chengmin, WANG Haining. Analysis on risk and evaluation methods for natural gas[J]. Journal of Safety Science and Technology, 2014, 10(2):86-92.

[3]冯广庆, 吕拴录, 王振彪, 等. 套压异常升高现状调查研究及原因分析[J]. 油气井测试, 2012, 21(5):43-44.

FENG Guangqing, LYU Shuanlu, WANG Zhenbiao, et al. Investigation and analysis on abnormal increase of casing pressure[J]. Well Testing. 2012, 21(5):43-44.

[4]Xu R, Wojtanowicz A K. Diagnosis of Sustained Casing Pressure from Bleed-off/Buildup Testing Patterns[A]. SPE Production and Operations Symposium[C]. Oklahoma, USA, March 24-27, 2001.

[5]Adams A J, Maceachran A. Impact on Casing Design of Thermal Expansion of Fluids in Confined Annuli[J]. Spe Drilling & Completion, 1994, 9(3):210-216.

[6]张喜明, 樊建春, 杨周, 等. 海上气井环空带压地面监测诊断方法研究[J]. 中国安全科学学报, 2015, 25(6):129-135.

ZHANG Ximing, FAN Jianchun, YANG Zhou, et al. Research on ground monitoring diagnosis of sustained casing pressure for offshore gas well[J]. China Safety Science Journal. 2015,25(6):129-135.

[7]刘玉馨. 油井液位测量系统的设计与研究[D]. 秦皇岛:燕山大学, 2013.

[8]Mccoy J N, Rowlan O L, Podio A. Acoustic Liquid Level Testing of Gas Wells [A]. The 2009 SPE Production and Operations Symposium[C]. Oklahoma, USA, April 4-8, 2009.

[9]孟开元，庄贵林，曹庆年．从抽油井液位回音信号中提取液位值的方法[J]．西安石油学院学报:自然科学版，2001，16(4)：66-67, 84．

MENG Kaiyuan, ZHUANG Guilin, CAO Qingnian. The method of extracting the liquid level value of a pumping well from the echo signal of liquid surface[J]. Journal of Xi'an Petroleum Institute, 2001, 16(4):66-67，84.

[10]李中华，鲁章成，王永伟，等．抽油井真实液面测试技术研究及应用[J]. 西南石油学院学报，2003，25(1)：49-51．

LI Zhonghua, LU Zhangcheng, WANG Yongwei, et al. The testing technology and application of pumping oil well true liquid surface[J]. Journal of Southwest Petroleum Institute, 2003, 25(1):49-51.

[11]李莎. 一种新型油井液面测试仪的研究[D]. 西安:西安科技大学, 2010.

[12]吕思平. 油井动液面测量系统的研制[D]. 东营：中国石油大学(华东), 2011.

[13]张驰. 基于自相关和混沌振子的超声波液位检测[D]. 大庆：东北石油大学, 2013.

[14]祁映强. 基于自相关分析和EMD理论的齿轮故障诊断方法研究[D]. 包头:内蒙古科技大学, 2015.

[15]余发军, 周凤星. 基于EEMD和自相关函数特性的自适应降噪方法[J]. 计算机应用研究, 2015, 32(1):206-209.

YU Fajun, ZHOU Fengxing. Adaptive denoising method based on EEMD and autocorrelation function property[J]. Application Research of Computers, 2015, 32(1):206-209.